Interindividual Variability in Self-Monitoring of Blood Pressure Using Consumer-Purchased Wireless Devices
Notice bibliographique
Résumé
BACKGROUND: Engagement with self-monitoring of blood pressure (BP) declines, on average, over time but may vary substantially by individual. OBJECTIVES: We aimed to describe different 1-year patterns (groups) of self-monitoring of BP behaviors, identify predictors of those groups, and examine the association of self-monitoring of BP groups with BP levels over time. METHODS: We analyzed device-recorded BP measurements collected by the Health eHeart Study-an ongoing prospective eCohort study-from participants with a wireless consumer-purchased device that transmitted date- and time-stamped BP data to the study through a full 12 months of observation starting from the first day they used the device. Participants received no instruction on device use. We applied clustering analysis to identify 1-year self-monitoring, of BP patterns. RESULTS: Participants had a mean age of 52 years and were male and White. Using clustering algorithms, we found that a model with three groups fit the data well: persistent daily use (9.1% of participants), persistent weekly use (21.2%), and sporadic use only (69.7%). Persistent daily use was more common among older participants who had higher Week 1 self-monitoring of BP frequency and was associated with lower BP levels than the persistent weekly use or sporadic use groups throughout the year. CONCLUSION: We identified three distinct self-monitoring of BP groups, with nearly 10% sustaining a daily use pattern associated with lower BP levels.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».